如何根据某些字段在 R 中求和？答案

【问题标题】：How to cumsum in R based on certain fields?如何根据某些字段在 R 中求和？
【发布时间】：2021-05-18 17:30:36
【问题描述】：

我为篇幅道歉，但为了不跳过细节并使这比现在更混乱，这是必要的。

下面是样本数据和我目前所做的一些操作。

library(dplyr)
library(tidyverse)

emp <- c(1,2,3,4,5,6,7,8,1,12,54,101,33,159,201,261,110,195,131,228)
small <- c(1,1,1,1,1,1,1,1,1,1,1,2,1,3,3,4,2,3,2,3)
area <-c(003,003,003,003,003,003,003,003,003,003,003,003,003,003,003,003,003,003,003,003)
twodigit <-c(11,22,11,22,23,22,11,31,44,45,21,44,45,62,72,22,45,72,45,21)

smbtest2 <- data.frame(emp,small,area,twodigit)

因此，在我走得太远之前，目标是将就业 (emp) 按小数（下图）求和，然后将其分解为两位数（行业代码）。在这个简单的例子中，我想要每个小类别的前 3 个行业。我正在尝试 cumsum，因为如果一个属于第一类（0 到 99），那么它将属于第二类（0 到 149）。

smbsummary3<-smbtest2 %>% 
group_by(area,small,twodigit) %>%
summarise(emp = sum(emp), worksites = n(), 
        .groups = 'drop_last')%>%
slice_max(emp,n=3)

smbsummary4<-smbsummary3 %>% 
ungroup %>% 
complete(area, small = unique(small)) %>% 
fill(emp, worksites)

 Schema for small
 1     0 to 99
 2     0 to 149
 3     0 to 249
 4     0 to 499

想要的结果

   area     small   twodigit    emp    worksites
   003        1        21        54        1
   003        1        45        45        2       (12+33)
   003        1        22        12        3       (2+4+6)
   003        2        45       286        4       (12+33+110+131)
   003        2        44       102        2       (1+101)
   003        2        21        54        1

目前，它是纯粹基于small来求和的，这是它应该基于代码做的。但是，我的问题是如何根据小类别将其变为cumsum（累积和）？

以下是我最近的尝试。它没有加起来就是正确的答案，但我认为它接近正确的命令集。

smbsummary3<-smbtest2 %>% 
group_by(area,small,twodigit) %>%
summarise(emp = sum(emp), worksites = n(), 
        .groups = 'drop_last')%>%
mutate(emp = cumsum(emp),
     worksites = cumsum(worksites))%>%
slice_max(emp,n=3)

【问题讨论】：

标签： r dplyr cumsum

【解决方案1】：

我打算在评论中解释一下，但这似乎更容易。

也许你想group_by 只是area 和twodigit 在做你的累积和之前。

然后，再次group_by 以通过area 和small 选择前3 个emp 值。结果输出看起来非常相似（在数据集中找不到small 2 和twodigit 21）。

smbtest2 %>%
  group_by(area, small, twodigit) %>%
  summarise(emp = sum(emp), 
            worksites = n(), 
            .groups = 'drop_last') %>%
  group_by(area, twodigit) %>%
  mutate(emp = cumsum(emp),
         worksites = cumsum(worksites)) %>%
  group_by(area, small) %>%
  slice_max(emp, n = 3) %>%
  arrange(area, small, desc(emp))

输出

   area small twodigit   emp worksites
  <dbl> <dbl>    <dbl> <dbl>     <int>
1     3     1       21    54         1
2     3     1       45    45         2
3     3     1       22    12         3
4     3     2       45   286         4
5     3     2       44   102         2
6     3     3       72   396         2
7     3     3       21   282         2
8     3     3       62   159         1
9     3     4       22   273         4

【讨论】：